[发明专利]电力业扩流程智能评价的方法、装置、设备和存储介质

权利要求书

1.一种电力业扩流程智能评价的方法，其特征在于，该方法包括以下步骤：

获取新规划的业扩项目的流程数据，所述流程数据包括项目节点类别、项目节点计划用时；

对所述流程数据进行归一化预处理；

将预处理后的所述流程数据输入至训练好的神经网络模型，得到评价结果，所述评价结果用于指示所述项目节点的计划用时和所述项目节点的实际用时的用时偏差程度；

其中，所述神经网络模型的训练过程包括：

获取业扩项目的历史数据，所述历史数据包括业扩项目节点类别、项目节点计划用时、项目节点实际用时；

通过主成分分析法对所述历史数据降维处理，得到所述历史数据降维后的样本特征向量集；

通过模糊综合评价法评价所述样本特征向量集，得到历史评价结果；

将所述历史数据进行归一化预处理；

将预处理后的所述历史数据作为输入，将所述历史评价结果作为目标输出，训练所述神经网络模型，得到训练好的所述神经网络模型。

2.根据权利要求1所述的一种电力业扩流程智能评价的方法，其特征在于：

对所述流程数据进行归一化预处理，包括：获得适用于神经网络模型运算的范围为0至1大小的数据，计算公式如下：

其中，x_i(j)为第j节点的计划用时，θ_imin(j)为第j节点的计划用时最小值，θ_imax(j)为第j节点的计划用时最大值；

对所述历史数据进行归一化预处理，包括：获得适用于神经网络模型运算的范围为0至1大小的数据，计算公式如下：

其中，x(j)为第j节点的历史计划用时，θ_min(j)为第j节点的历史计划用时最小值，θ_max(j)为第j节点的历史计划用时最大值。

3.根据权利要求1所述的一种电力业流程智能评价的方法，其特征在于，所述通过主成分分析法对所述历史数据降维，包括：

获取业扩项目历史数据，得到样本集S，计算公式如下：

Δt＝t_计划-t_实际，

其中，t_计划为项目节点计划用时、t_实际为项目节点实际用时，Δt为节点用时计划偏差，n为历史业扩项目数量，m为业扩项目节点数量，X为样本集样本，x为样本特征，x＝Δt，X_i＝[x₁,...,x_m]为一个样本的原始特征向量；

对所述样本集样本进行中心化，计算公式如下：

其中，Xi为原始特征向量，m为样本数量；

计算所述样本集样本的协方差矩阵，计算公式如下：

其中，C_i为协方差矩阵，m为样本数量，X_i为样本集特征向量；

根据所述协方差矩阵，获得含k节点的特征向量的样本Y；

得到所述样本集中原始特征向量降维后的k节点的样本特征向量集其中，样本Yi为降维为k节点的项目节点用时计划偏差。

4.根据权利要求3所述的一种电力业流程智能评价的方法，其特征在于，所述根据所述协方差矩阵，获得含k节点的特征向量的样本Y，包括：

求出协方差矩阵C_i的特征值λ_i及对应的特征向量p，具体计算如下：

det(C_i-λ_iE)＝0，(C_i-λ_iE)p＝0，

其中，C_i为协方差矩阵，λ_i为特征值，p为特征值λ_i对应的特征向量；

将所述特征值从大到小排列，所述特征值所对应的所述特征向量也对应按行从上到下排列成矩阵，并取前k行作为矩阵P＝[p₁,...,p_k]；

将所述原始特征向量投影到选取的特征向量p上，利用矩阵P，将样本向量X降至k节点，剔除m-k节点，获得含k节点的特征向量的样本Y，其中，Y＝PX。